关于自动驾驶:书籍推荐3D计算机视觉

39次阅读

共计 2402 个字符，预计需要花费 7 分钟才能阅读完成。

原文地址： 书籍下载 -《3D 计算机视觉》
【入群邀请】7 个业余方向交换群 + 1 个材料需要群

书籍：3D Computer Vision：Efficient Methods and Applications
作者：Christian Wöhler
出版：Springer

这本书介绍了三维计算机视觉的根底，并形容了该畛域的最新奉献。通过全面订正和更新，这一备受期待的新版回顾了一系列基于三角测量的办法，包含基于线性和 BA 的场景重建和相机校准办法、平面视觉、点云宰割以及刚性、铰接和柔性物体的姿势预计。还包含评估图像中像素灰度值以推断三维场景构造的基于强度的技术，以及利用光学系统成果的基于点扩散函数的办法。本文展现了整合这些概念的办法如何可能进步重建精度和鲁棒性，形容了在工业质量检验和计量、人机交互和遥感中的利用。

这本书介绍了三维计算机视觉的根底，并形容了该畛域的最新奉献。本书的每一章都提供了相应技术状态的宽泛概述，其中嵌入了利用特定零碎中新办法或评估后果的详细描述。

基于三角测量的三维场景重建办法（参见第 1 章）次要是基于在摄影测量畛域倒退起来的 BA（光束平差法）的概念。确定三维场景构造以及外部和内部相机参数，使得图像立体中的欧几里德反投影误差最小化，通常依赖于非线性优化过程。在计算机视觉畛域，过来二十年中呈现了一种基于投影几何的另类框架，它容许人们应用线性代数技术进行三维场景构建和相机校准。特别强调平面图像剖析和相机校准的问题，在此背景下，形容了各种最先进的相机校准和自校准办法以及对主动相机校准零碎的最新奉献，并给出了建设平面图像对之间点对应关系的经典和新的基于特色、基于相关性、密集和时空的办法。此外，还剖析了传统和新引入的点云宰割办法以及场景中刚性、铰接和柔性指标的三维检测和姿势预计办法（参见第 2 章）。

另一类三维场景重建办法还有基于强度的办法（参见第 3 章），这类办法评估图像中的像素灰度值以推断三维场景构造。只有有足够的对于照明条件和外表反射率的信息可用，这些办法能够提供物体外表的密集深度图。

在第三类不同的办法中，利用用于图像采集的光学系统的点扩散函数的行为，以取得对于场景的深度信息（参见第 4 章），进而产生场景点的相对深度值。引入一个半教训框架，用于建设场景点的深度和点扩散函数的察看宽度之间的关系。Depth from focus 办法应用相机和场景之间的间隔作为参考，在该距离处察看到点扩散函数最小宽度，依赖于适当的校准程序。

这三类三维场景重建办法是能够进行互补的；因而，将它们集成到对立的框架中是有益处的，该框架能够比独自应用任何一种办法产生更精确和更持重的后果（参见第 5 章）。BA 和 Depth from focus 相结合，以确定场景重建后果的相对比例因子，如果没有先验信息，则无奈独自通过 BA 取得。暗影和暗影特色被集成到一个自统一的框架中，通过引入依赖于从暗影剖析中推断出的深度差别的正则化项，缩小暗影技术中形态的固有模糊性和大规模不精确性。另一种综合办法联合了光度、偏振和稠密深度信息，产生了在大尺度和小尺度上同样精确的三维重建后果。该办法的扩大为非朗伯曲面的平面图像剖析提供了一个框架，传统的平面办法往往会失败。此外，提出了一种将光度信息和应用有源范畴扫描设施获取的相对深度数据进行集成的办法。在单目三维姿势预计的背景下，三角测量、光偏振和散焦线索的集成被证实比仅依赖基于三角测量的信息的技术体现得更持重，并提供更精确的后果。

在不同的利用场景中验证了已开发的三维场景重建办法。在可能的状况下，提供了与最先进零碎的比拟。在工业质量检查（参见第 6 章）的背景下，评估了刚性物体（例如塑料帽和电插头）以及易碎物体（例如管道和电缆）的场景重建性能。将综合外表重建办法利用于不同类型金属表面的检测。

在须要人与工业机器人之间平安交互的局部自动化工业生产场景的文本中，评估了三维点云中物体检测和跟踪以及关节物体姿势预计的开发技术（参见图 7）。此外，咱们确定了开发的三维检测和姿势预计技术如何与人机交互场景中最先进的手势识别方法相干，并在事实的工业试验场景中展现了典型的动作辨认后果。

第三种利用场景齐全不同，通过绘制高程图来实现月球外表的遥感（参见图 8）。尽管所波及的空间尺度与工业质量检查畛域中遇到的空间尺度相差许多数量级，但根本物理过程类似。本文介绍了太阳系天体地形测绘的最新办法。撞击坑深度和形态的预计是一个地质相关性特地高的问题。对于月球陨石坑，基于综合办法的三维外表重建能够生成高分辨率的地形图，在一些中央能够与最近的地形数据（轨道激光测高和平面摄影测量）进行比拟。另一个与地质学相干的畛域是月球火山建筑物的三维重建，尤其是月球圆顶。

最初（参见第 9 章）总结了本钻研的次要后果和最重要的论断，并概述了将来钻研的可能方向。

Christian Wöhler 于 1996 年取得维尔茨堡大学物理学文凭，2000 年取得波恩大学计算机科学博士学位，2009 年取得比勒费尔德大学利用计算机科学训练。他在乌尔姆戴姆勒团体钻研和高级工程部环境感知部门负责钻研科学家。自 2005 年以来，他始终是比勒菲尔德大学技术学院的客座讲师。他的迷信趣味是模式分类、三维计算机视觉和摄影测量畛域，利用于驾驶员辅助零碎、工业机器视觉和行星迷信畛域。

通过联合光度平面和被动范畴扫描，查看强非朗伯外表的三维外表重建，并利用于工业计量（新）探讨在人类与工业机器人平安交互的背景下，人体部位的姿势预计和跟踪，以及在简单工业生产环境中执行的动作的后续辨认（新）回顾基于轨道图像和激光测高数据的高分辨率月球数字高程模型的构建，包含对最新月球航天器数据集的探讨（新）

1. 书籍举荐 -《基于深度学习的计算机视觉》